Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα.

dc.contributor.authorΣιουράς, Σπυρίδωνel
dc.date.accessioned2022-03-10T10:29:36Z
dc.date.available2022-03-10T10:29:36Z
dc.date.issued2022-03-10
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/13311
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectΔιαστήματαel
dc.subjectΑβέβαια δεδομέναel
dc.subjectΠαλινδρόμησηel
dc.titleΗ ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα.el
heal.abstractΤα αβέβαια δεδομένα είναι μεγάλο πρόβλημα στον κλάδο της μηχανικής μάθησης, καθώς κλασικές τεχνικές στατιστικής και μηχανικής μάθησης δεν μπορούν να διαχειριστούν τέτοιου είδους δεδομένα. Αβέβαια δεδομένα μπορούν να προκύψουν για διάφορους λόγους και υπάρχουν διαφορετικά είδη αβέβαιων δεδομένων. Η τεχνική αναπαράστασης και αντιμετώπισης των αβέβαιων δεδομένων, εξαρτάται από την μορφή της αβεβαιότητας. Στην παρούσα πτυχιακή εργασία γίνεται ανάλυση τεχνικών παλινδρόμησης σε αβέβαια δεδομένα, όπου θεωρείται γνωστό το εύρος στο οποίο βρίσκεται η πραγματική τιμή, αλλά όχι η μεμονωμένη τιμή. Η αβεβαιότητα θα αναπαρασταθεί με διαστήματα. Σε αυτήν την εργασία αναλύεται αρχικά τι είναι η παλινδρόμηση, τι είναι η αβεβαιότητα στην μηχανική μάθηση και με τι τεχνικές μπορούν να αντιμετωπιστούν τα αβέβαια δεδομένα και, στο τέλος του πρώτου κεφαλαίου, γίνεται μια αναφορά στο τι είναι η ανάλυση διαστημάτων. Στη συνέχεια, γίνεται ανάλυση διάσημων κλασικών τεχνικών που χρησιμοποιούνται για την παλινδρόμηση και τεχνικών παλινδρόμησης που εφαρμόζονται σε δεδομένα σε μορφή διαστημάτων. Τέλος, χρησιμοποιούνται δύο τεχνικές παλινδρόμησης, η Lassoir και η τεχνική των k-Πλησιέστερων Γειτόνων (k-Nearest Neighbors), σε ένα ένα σύνολο δεδομένων που δείχνει την ζήτηση ηλεκτρικού ρεύματος στo δίκτυο διανομής ηλεκτρικής ενέργειας της Ισπανίας.el
heal.abstractUncertain data is a major problem in Machine Learning, as classical statistical and machine learning techniques cannot manage such data. Uncertain data can occur for a variety of reasons and there are different types of uncertainties. Techniques and modelling of uncertain data depends on the type of uncertainty. In this dissertation, regression techniques for uncertain data are analyzed, where the range of the value is known, but the individual value is not known. Uncertain data will be modelled with intervals. The dissertation starts with analyzing Regression as a term, what uncertainty in Machine Learning is, how uncertain data can be managed and an introduction to Interval Analysis. Moreover, classical regression techniques and interval regression techniques are analyzed. Finally, two regression techniques, Lassoir and K-Nearest Neighbors, are used on a dataset, that shows the demand for electricity in Spain.el
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.academicPublisherIDteiep
heal.accessfree
heal.advisorNameΑδάμ, Σταύροςel
heal.bibliographicCitationΑδάμ, Σ., 2022. Η ανάλυση παλινδρόμησης στη μηχανική μάθηση για αβέβαια δεδομένα. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.classificationΜηχανική μάθησηel
heal.committeeMemberNameΔουμένης, Γρηγόριοςel
heal.committeeMemberNameΚαρβέλης, Πέτροςel
heal.dateAvailable2024-01-11T00:25:03Z
heal.fullTextAvailabilitytrue
heal.identifier.secondaryΠτυχιακή Εργασία
heal.languageel
heal.numberOfPages57
heal.publicationDate2022
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.typebachelorThesis

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Siouras,S._DIT_2022.pdf
Μέγεθος:
1.21 MB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:
Πτυχιακές Εργασίες

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
3.54 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: